Arquitetura de sistemas multiagentes para integração segura de dados em ambientes industriais com múltiplas camadas de criptografia
DOI:
https://doi.org/10.69849/1pv7ar67Palavras-chave:
Sistemas Multiagentes, LLM, Indústria 4.0, Segurança Cibernética, Integração de Dados.Resumo
A integração de dados industriais em larga escala na cadeia produtiva de telecomunicações enfrenta gargalos críticos devido à fragmentação em silos heterogêneos e restrições de segurança que impõem até sete camadas de criptografia. Este artigo descreve o desenvolvimento e a validação de uma arquitetura de software, denominada Cyber Nexus, projetada para otimizar a Análise de Causa Raiz (RCA). O objetivo central foi reduzir a latência de acesso e processamento de dados por meio de uma arquitetura descentralizada de Sistemas Multiagentes (MAS) orquestrados por Modelos de Linguagem de Grande Escala (LLMs). A metodologia empregada foi o desenvolvimento experimental, utilizando uma abordagem híbrida que combinou práticas do PMBOK® para governança e o framework Scrum para execução iterativa. A solução foi implementada com microsserviços em FastAPI, utilizando técnicas de Retrieval-Augmented Generation (RAG) "in-loco" para evitar a centralização em Data Lakes tradicionais, preservando o sigilo industrial. Os resultados experimentais validaram a eficácia da solução, alcançando uma redução de 90% na latência de leitura via stream e garantindo a integridade dos dados através de um "Firewall Semântico" com Guardrails ativos. Conclui-se que a arquitetura proposta estabelece um novo paradigma de interoperabilidade segura para a Indústria 4.0.
Referências
ARXIV. Towards LLM-based Root Cause Analysis of Hardware Design Failures. arXiv, 2025. Disponível em: https://arxiv.org/html/2507.06512v1. Acesso em: 15 mar. 2026.
BRASIL. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados Pessoais (LGPD). Brasília, DF, ago. 2018.
CHKIRBENE, Z. et al. A Review of Federated Large Language Models for Industry 4.0. MDPI Sensors, v. 26, n. 4, p. 1116, 2025. Disponível em: https://www.mdpi.com/1424-8220/26/4/1116. Acesso em: 12 mar. 2026.
DOCKER. Docker Documentation. 2025. Disponível em: https://docs.docker.com/. Acesso em: 10 mar. 2026.
FASTAPI. FastAPI Documentation. 2025. Disponível em: https://fastapi.tiangolo.com/. Acesso em: 10 mar. 2026.
LANGCHAIN. LangChain Documentation. 2025. Disponível em: https://python.langchain.com/. Acesso em: 10 mar. 2026.
MARITACA AI. Maritaca AI: Modelos de Linguagem para o Contexto Brasileiro. 2025. Disponível em: https://www.maritaca.ai/. Acesso em: 12 mar. 2026.
MDPI. RCEGen: A Generative Approach for Automated Root Cause Analysis Using Large Language Models (LLMs). MDPI Electronics, v. 4, n. 4, p. 29, 2024. Disponível em: https://www.mdpi.com/2674-113X/4/4/29. Acesso em: 14 mar. 2026.
PROJECT MANAGEMENT INSTITUTE. A Guide to the Project Management Body of Knowledge (PMBOK® Guide). 7. ed. Pennsylvania: PMI, 2021.
SCHWABER, K.; SUTHERLAND, J. The Scrum Guide. 2020. Disponível em: https://scrumguides.org/. Acesso em: 05 mar. 2026.
TRAN, N. P. et al. LLM-Augmented Knowledge Base Construction for Root Cause Analysis. IEEE Xplore, 2026. Disponível em: https://ieeexplore.ieee.org/document/11366685. Acesso em: 16 mar. 2026.
VINOD, D.; SUBAPRIYA, V. Security in Industrial IoT: Mixed Encryption. ResearchGate, 2025. Disponível em: https://www.researchgate.net/publication/326954520_Challenges_of_Securing_the_Industrial_Internet_of_Things_Value_Chain. Acesso em: 11 mar. 2026.
VOGEL-HEUSER, B.; SEITZ, M. Multi-agent systems to enable Industry 4.0. Semantic Scholar, 2025. Disponível em: https://www.degruyterbrill.com/document/doi/10.1515/auto-2020-0004/html. Acesso em: 13 mar. 2026.
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2026 Holden Offmenn, Ítala Lorena de Lima Ferreira, Daniely Dantas Lobato, Jhônatas Cardoso Luz, Luana Dalla Rosa de Carvalho, Laís Miranda Olímpio, André Luiz Samistraro Santin (Autor)
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
"Os Autores que publicam nesta revista concordam com os seguintes termos:
-
Os Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a licença Creative Commons Attribution 4.0 International (CC BY 4.0). Esta licença permite que o trabalho seja compartilhado, copiado e adaptado em qualquer suporte ou formato, para qualquer fim, inclusive comercial, desde que seja atribuído o devido crédito de autoria e de publicação inicial nesta revista.
-
Os Autores têm autorização para assumir compromissos contratuais adicionais separadamente, para a distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
-
A revista permite e incentiva os autores a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) após o processo de edição e publicação, pois isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado."
